CN1950849A - 药物动力学图像配准 - Google Patents
药物动力学图像配准 Download PDFInfo
- Publication number
- CN1950849A CN1950849A CNA2005800144859A CN200580014485A CN1950849A CN 1950849 A CN1950849 A CN 1950849A CN A2005800144859 A CNA2005800144859 A CN A2005800144859A CN 200580014485 A CN200580014485 A CN 200580014485A CN 1950849 A CN1950849 A CN 1950849A
- Authority
- CN
- China
- Prior art keywords
- image
- interested
- area
- displacement
- basis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000033001 locomotion Effects 0.000 claims abstract description 24
- 238000006073 displacement reaction Methods 0.000 claims description 82
- 238000000034 method Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 9
- 230000001932 seasonal effect Effects 0.000 claims description 6
- 238000002059 diagnostic imaging Methods 0.000 claims description 5
- 238000002603 single-photon emission computed tomography Methods 0.000 claims description 5
- 238000002591 computed tomography Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 2
- 238000012285 ultrasound imaging Methods 0.000 claims description 2
- 239000013598 vector Substances 0.000 abstract description 40
- 238000013519 translation Methods 0.000 abstract description 16
- 210000000056 organ Anatomy 0.000 abstract description 6
- 230000007170 pathology Effects 0.000 description 12
- 239000000700 radioactive tracer Substances 0.000 description 12
- 230000003902 lesion Effects 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 8
- 239000003795 chemical substances by application Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 206010028980 Neoplasm Diseases 0.000 description 4
- 201000011510 cancer Diseases 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000036962 time dependent Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 241000446313 Lamella Species 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 230000000505 pernicious effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 240000004859 Gamochaeta purpurea Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002224 dissection Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012633 nuclear imaging Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/35—Determination of transform parameters for the alignment of images, i.e. image registration using statistical methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/507—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for determination of haemodynamic parameters, e.g. perfusion CT
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
图像配准非常频繁地用于不得不手动执行的乏味任务。根据本发明的示范性实施例，在药物动力学模型的基础上执行图像时间序列的配准，其中在药物动力学模型的基础上相互比较感兴趣区域的可替换位移序列并将最好的位移矢量用于图像配准。有利地，这可以提供器官运动的有效补偿，即使没有或只有很少解剖对比度。
Description
本发明涉及数字成像领域，例如在医学成像领域。尤其是，本发明涉及一种配准至少包括第一图像和第二图像的图像时间序列的方法，一种图像处理装置，一种扫描器系统和一种用于配准第一图像和第二图像的计算机程序。
当不得不从不同投影或在不同时间点或在感兴趣物体的不同运动阶段中获得相同物体的两个图像时，非常希望配准这些图像。
配准图像意味着它们对于共同参照系的几何属性的综合(integration)。通常，这通过弯曲图像直到相应的解剖灰度值结构相对于一些类似性测量例如交叉相干，交互信息等匹配来实现。随着示踪剂特殊性的增加，核医学图像的配准变得更加困难。示踪剂越特殊，它的总的组织摄取越少并且相应地，它产生的解剖背景反差越小(丢失解剖对比度(anatomical contrast)的问题)，导致基于配准的常规灰度值不可靠。
本发明的目的是提供一种改进的图像配准。
根据如权利要求1中提出的本发明的一个示范性实施例，上面的目的通过配准图像的时间序列的方法来解决，该时间序列包括第一图像和第二图像，其中在第一图像中选择感兴趣的第一区域并在第二图像中选择感兴趣的第二区域。此外，在药物动力学模型的基础上确定从感兴趣的第一区域到感兴趣的第二区域的第一位移。在该第一位移的基础上配准第一图像和第二图像，其中感兴趣的第一区域与感兴趣的第二区域相对应。
例如，根据本发明的这个示范性实施例，通过确定感兴趣的具体区域例如一片患癌的组织在具体时间周期上的位移，来执行至少包括两个图像的图像时间序列的局部对准。有利地，根据本发明的这个示范性实施例，在药物动力学模型的基础上确定该位移，因此对于经常在核/医学成像中使用非常特殊的示踪剂时的情况下对具有很少或甚至没有解剖对比度的图像，可以提供感兴趣区域的跟踪。
根据如权利要求2中提出的本发明的另一个示范性实施例，通过在从感兴趣的第一区域到在第二图像中选择的感兴趣的第三区域的第二位移的基础上和在药物动力学模型的基础上确定第一药物动力学参数，来识别第一位移。此外，在从感兴趣的第一区域到在第二图像中选择的感兴趣的第四区域的第三位移的基础上和在药物动力学模型的基础上确定第二药物动力学参数。第三位移是第二位移的变异并且感兴趣的第三和第四区域对应于感兴趣的第一区域。此外，执行第一房室参数(compartment parameter)和第二房室参数的质量确定，得出第一质量值和第二质量值。然后，根据本发明的这个示范性实施例，比较第一和第二质量值并确定第一和第二质量值中的哪一个是更好的质量值。从第二位移和第三位移中选择一个位移。这个被选择的位移对应于该更好的质量值，其中该被选择的位移是该第一位移。
有利地，根据本发明的示范性实施例，通过应用药物动力学模型在不同位移的基础上估计各自的药物动力学参数，来比较感兴趣物体的不同(可替换的)位移。则药物动力学参数是合格的，得出各自的质量值。则该“更好的”位移(其为对应于“更好的”质量值的位移)被用于图像配准。
有利地，这可以提供改进的图像配准。
本发明的另一个示范性实施例在权利要求3中提出，其中在统计质量测量的确定，药物动力学参数库，和第一药物动力学参数估计和第二药物动力学参数估计的一致性中至少之一的基础上执行质量确定，该统计质量测量的确定以第一药物动力学参数估计和第二药物动力学参数估计至少之一为基础。
有利地，这可以提供快速的、有效的或者甚至自动的质量确定。
根据如在权利要求4中提出的本发明的另一个示范性实施例，从预定义的选项组交互式地选择感兴趣的第一和第二区域至少之一和药物动力学模型。因此，根据本发明的这个示范性实施例，用户在图像获取之后不久或者甚至在图像获取期间选择候选的病变和将要使用的药物动力学模型，例如药物动力学模型。
有利地，这可以提供快速且用户友好的交互式图像配准。
根据如权利要求5中提出的本发明的另一示范性实施例，反复地重复图像配准的方法直到第一质量值和第二质量值至少之一超过预置的阈值。
根据如权利要求6中提出的本发明的另一示范性实施例，在关于CT数据集，MRI数据集，PET数据集，SPECT数据集和超声成像数据集之一的医学成像中应用该方法。
根据如权利要求7中提出的本发明的另一示范性实施例，提供用于配准第一图像和第二图像的图像处理装置，该图像处理装置包括用于存储包括第一图像和第二图像的多维数据集的存储器，和适于执行下列操作的图像处理器：载入多维数据集；在第一图像中选择感兴趣的第一区域；在第二图像中选择感兴趣的第二区域；在药物动力学模型的基础上确定从感兴趣的第一区域到感兴趣的第二区域的第一位移并在第一位移的基础上配准第一图像和第二图像。感兴趣的第一区域对应于感兴趣的第二区域。
有利地，根据本发明的这个示范性实施例的图像处理装置可以提供改进的图像配准速度和高的配准精确度。
本发明还涉及扫描器系统，包括用于存储包括第一图像和第二图像的多维数据集的存储器，和适于执行第一图像和第二图像配准的图像处理器。根据本发明的一个方面，该扫描器系统是CT扫描器系统、MRI扫描器系统、PET扫描器系统、和SPECT扫描器系统以及超声成像系统之一。根据本发明的扫描器系统在权利要求8和9中提出。
有利地，这可以提供由根据本发明的扫描器系统获得的图像时间序列的改进的图像配准。
本发明还涉及计算机程序，其例如可以在诸如图像处理器的处理器上执行。这种计算机程序可以是例如，CT扫描器系统、MRI扫描器系统、PET扫描器系统、SPECT扫描器系统或超声系统的一部分。根据本发明的示范性实施例的计算机程序在权利要求10中提出。这些计算机程序可以优选地载入图像处理器工作的存储器中。因此图像处理器被装备来执行本发明的示范性实施例。该计算机程序可以存储在计算机可读介质中，例如CD-ROM。该计算机程序可以存在于例如万维网的网络上并可以从这样的网络下载到图像处理器工作的存储器中。根据本发明的这个示范性实施例的计算机程序可以任何合适的编程语言例如C++编写。
这可以看作本发明的示范性实施例的要点：在例如房室模型(compartment model)的药物动力学模型的基础上执行图像时间序列的配准，在该模型中在药物动力学模型的基础上相互比较感兴趣区域的可替换位移序列(由于例如病人的移动，该区域在图像采集期间移动)并且将最佳位移矢量用于图像配准。有利地，在即使没有或只有很少解剖对比度的情况下，可以提供器官运动的有效补偿。有利地，根据本发明的示范性实施例，可以引入阈值并反复地重复比较不同的可能位移矢量的处理直到对应于相应位移矢量的质量的质量值超过该阈值。
参考下面描述的实施例，本发明的这些和其他方面将变得明显和明白。
本发明的示范性实施例将在下面参考下列附图进行描述。
图1示出了根据本发明图像处理装置的示范性实施例，该装置用于执行根据本发明方法的示范性实施例。
图2示出了根据本发明配准图像的方法的示范性实施例的流程图。
图3示出了用于根据本发明示范性实施例配准图像执行的操作和图像的图示。
图4示出了用于根据本发明另一示范性实施例配准图像执行的操作的图示。
图1示出了根据本发明图像处理装置的示范性实施例，该装置用于执行根据本发明方法的示范性实施例。图1中描述的图像处理装置包括中央处理器(CPU)，连接到存储器152的图像处理器151，该存储器用于存储包含描述诸如包含感兴趣区域(例如患癌的组织)的内部器官的感兴趣物体的图像的多维数据集。图像处理器151可以连接到多个输入/输出网络装置，例如MR装置或CT装置。图像处理器还连接到例如计算机的显示器装置154，用于显示信息或在图像处理器151中计算或修改的图像。操作员经由键盘和/或其他输出或输入装置，例如没有在图1中描述的计算机鼠标，与图像处理器151相互作用。此外，也可能通过总线系统153连接图像处理和控制处理器151到例如监视感兴趣物体的运动的运动监视器。例如，如果成像病人的肺，运动传感器可以是呼气传感器。如果成像心脏，运动传感器可以是心电图(electro-cardiogram)。
图2示出了根据本发明示范性实施例图像配准的方法的示范性实施例的流程图。该方法从步骤S0开始，在其之后，例如利用产生多色束的多色电磁辐射源并利用探测该多色束的辐射探测器，例如在CT成像中的情况，在步骤S1中执行多维数据集的采集。
应注意，获得的多维数据集可能是二维数据集或三维数据集的时间序列。此外，例如利用在图像采集期间获得的心电图数据，该数据集可能包括额外的信息，例如关于周期性运动的信息。
(如果，例如病人的心脏被成像)心电图数据可被用来在心跳率的基础上(在执行图像配准之前)执行预运动补偿。此外，如果，例如病人的肺被成像，该多维数据集可能包括由呼气传感器测量的数据。
图2中描述的方法是基于模型的机制的示范性实施例，用于在所谓药物动力学模型(其为房室模型)的基础上核医学图像的时间序列的局部配准。
药物动力学模型描述人体或动物体内的具体药用物质从给药到最终排泄的流程。房室模型是这种药物动力学模型的具体数学表示。它简化该药用物质从处于试探级(heuristical level)的身体到该物质在一定数目的房室或容器之间交换的流程，其结合了描述每个房室净的物质进量和出量的若干交换率。平衡房室之间的流量允许描述根据交换率每个房室内的随时间变化的物质含量，k参数。这种药物动力学模型或房室模型在技术上是公知的因此不进行更详细的描述。
为了检测随时间变化的示踪剂摄取，该示踪剂摄取是用于确定病变的恶性和它们对治疗的反应的重要诊断工具，获取核医学图像的时间序列并测量候选病变的特异性摄取(specific up-take)值的时间变化。药物动力学模型根据特征参数k1，...，kn建模所谓房室之间的示踪剂流量来描述随时间变化的特异性摄取值(房室模型)。
为了获得准确的特异性摄取值并导出特征k参数的的估计，候选病变不得不在整个时间序列被跟踪来补偿病人和器官运动以确保从相同的解剖区域在整个时间过程获得特异性摄取值。
在步骤S2中，从多维数据集执行图像片层的时间序列或体数据(三维图像)的选择。此后，在步骤S3中，在数据集的第一图像中选择感兴趣的第一区域，例如候选病变。然后，在步骤S4中，选择数据集的第二图像中的感兴趣的第二区域。第二图像可能是在时间上跟随第一图像的图像(意味着它是在采集了第一图像之后被采集)。感兴趣的第二区域对应于感兴趣的第一区域以使得它在不同的时间点和在，由于例如器官运动的不同的空间点对应于相同的候选病变。
此后，在步骤S5中，确定第一位移，其描述了从第一图像中感兴趣的第一区域到第二图像中感兴趣的第二区域的位移。此外，在步骤S6中，确定可替换的第二位移，其描述了从第一图像中感兴趣的第一区域到第二图像中感兴趣的第三区域的位移，其中感兴趣的第三区域相对于感兴趣的第二区域轻微地移位。在步骤S7中，从可以从多维数据集(例如第三和第四图像)中选择另外的(更后时间点的)图像，并从图像到图像跟踪候选病变的位移，得出位移矢量的第一序列，其描述了候选病变从第一图像到第二图像，到第三图像和到第四图像的运动，并得出位移矢量的第二序列，其为第一位移矢量序列的轻微变化，描述了感兴趣区域(候选病变)从第一图像到第二图像，到第三图像和到第四图像的可替换的轨迹(步骤S8)。因此，在四个图像的时间序列的情况下，第一和第二位移矢量序列各自包括三个位移矢量，其每个位移矢量根据输入图像的维数具有两个或三个维数。通常，n个图像的时间序列得出(n-1)个二维或三维位移矢量的位移矢量序列。
此后，在步骤S9中，在描述从第一图像中感兴趣的第一区域到例如第四图像中感兴趣的第四区域(经由第二图像中感兴趣的第二区域和第三图像中感兴趣的第三区域)病变位移的第一位移矢量序列的基础上，确定包含感兴趣房室模型的所有k参数的第一房室矢量K1(其为矢量(k1，1，k1，2，k1，3，k1，4))。此外，在药物动力学模型(其为房室模型)的基础上确定这个房室矢量K1。
此外，在描述从第一图像中感兴趣的第一区域到第四图像中感兴趣的第五区域的位移的第二位移矢量序列的基础上，获得第二房室矢量K2＝(k2，1，k2，2，k2，3，k2，4)，其中第四图像中感兴趣的第五区域相对于第四图像中感兴趣的第四区域轻微地移位(由第一位移矢量描述)。因此，第二位移矢量序列是第一位移矢量序列的变异并通过图像的时间序列描述了病变的第二轨迹。
在房室模式的基础上确定房室参数之后，执行第一房室矢量和第二房室矢量的质量确定，得出相应的第一质量值和相应的第二质量值(步骤S10)。
在k估计的统计质量，例如它们的统计方差的基础上，或者在对于病变和成像的解剖的k值的可能集合的给定库(其得出在特征空间上与匹配k值(k矢量)的最接近集合的距离)的基础上，执行得出第一和第二质量值的质量确定。特征空间中的这个距离可被用作质量值。此外，根据本发明的示范性实施例，可以在从时间上向前配准图像序列(I1→I2→I3→I4)和向后配准图像序列(I4→I3→I2→I1)获得的k估计的一致性的基础上，来执行质量确定。
然而，应注意，质量确定过程的其他选择也是可能的。
此后，在步骤S11中，相互比较第一和第二质量值并确定它们中哪一个是“更好的”质量值。进一步处理该“更好的”质量值。在步骤S12中确定该“更好的”质量值是否超过预置阈值，或者换句话说该“更好的”质量值是否满足一定的阈值标准。如果，在步骤S12中，确定该“更好的”质量值没有满足由用户手动设置或从软件方面自动设置的预置阈值标准，该方法就跳回到步骤S6，在步骤S6中确定另外的可替换位移矢量序列。根据两个位移矢量序列中的哪一个得出“更好的”质量值，这个可替换的另外的位移矢量序列又是第一位移矢量序列的另一个变异，或者它可能是第二位移矢量序列的变异。
如果，在步骤S12中，确定满足了该阈值标准，该方法继续进行步骤S14，其中执行该四个图像的配准，配准之后，该方法在步骤S15中结束。
应注意，根据本发明的示范性实施例，可以从预定义的选项组选择感兴趣的区域。此外，可以从预定义的房室模型组中选择房室模式。有利地，交互地执行这个选择，在数据采集期间或数据采集之后马上允许用户输入。
图3示出了用于根据本发明的示范性实施例为配准图像执行的操作以及第一条图像和第二图像的图示。第一图像301是来自例如利用MRI扫描器系统或超声成像系统采集到多维数据集的图像片层。图像片层301显象定义例如病变的感兴趣区域303。一定的时间之后，采集第二图像片层302并识别定义病变的感兴趣区域。由于器官运动，在图像片层302内病变的位置相对于图像片层301内病变的位置303移位。由于很少或者甚至没有解剖对比度，感兴趣物体(病变)的识别是不可能的。因此，根据本发明的示范性实施例，识别图像片层302内感兴趣物体的全套可能位置，其包括区域304，区域305和区域306。此外，识别从感兴趣的第一区域303(参见图像片层301)到感兴趣区域304的位移。这个位移是位移307。识别关于从感兴趣区域303到感兴趣区域305的位移的另一个位移308，并识别关于从感兴趣区域303到感兴趣区域306的位移的第三位移309。由于这三个感兴趣区域304，305，306相互之间有轻微的移位，位移307，308，309也轻微地变化。根据本发明的示范性实施例，通过对该三个位移的每一个导出确定的质量值来相互比较这些位移。此后，选择三个位移中“最好的”用于两个图像片层301，302的配准。
虽然本发明参照医学成像进行描述，其感兴趣区域涉及例如患癌的组织，但应注意本发明也可以应用于非医学应用，例如材料检测或质量控制的应用，其中实际产品的运动图像需要被配准。
图4示出了用于根据本发明的示范性实施例为配准图像的时间序列执行的操作的图示。
图像410表示感兴趣区域303的可能运动。根据图4中描述的本发明的示范性实施例，选择表示感兴趣区域运动303运动的位移矢量的三个不同轨迹并相互比较。第一位移矢量描述感兴趣区域303通过位移307到位置304然后通过位移407到位置402然后通过位移412到位置405的位移。第二位移矢量描述感兴趣区域303通过相应的位移308，408，413到位置305，然后到位置403，然后到位置406的位移。第三位移矢量描述感兴趣区域303通过相应的位移309，409，411到位置306，然后到位置401，然后到位置404的位移。应注意，位置304，305和306涉及在其晚于采集包括位置303的第一图像片层的第一时间的第二时间采集的第二图像片层。此外，位置401，402和403涉及在晚于第二时间的第三时间采集的第三图像片层并且位置404，405和406涉及在第四(最晚的)时间采集的第四图像片层。
根据本发明的一个方面，在确定链接区域303和区域405，404或406中的一个的三个位移矢量序列之后，在这三个位移矢量序列和相应的特异性摄取值(其在每个图像中并对于每个感兴趣的区域测得)和可由用户交互式地选择的相应的药物动力学模型或房室模式的基础上，确定各自包括房室参数的相应房室矢量。在房室矢量的基础上，执行质量确定并选择涉及从质量确定得出的“最好的”质量值的三个位移矢量之一。如果，根据本发明的示范性实施例，相应的“最好的”质量值超过了预置阈值，相应的位移矢量用于这四个图像的配准。
换而言之：用R表示包围可疑病变的感兴趣区域，用I1，...，Im表示在时间t1，...，tm采集的核医学图像并用Tk表示在时间序列中当从图像Ik到下一图像Ik+1进行处理时感兴趣区域R的位移。对位移T1＝(Ti，1，...，Ti，m-1)的每一个序列，获得房室参数ki，1，...，ki，m的估计并相对于一些质量测量Q确定这些估计的质量(其中i＝1，...，r；r为位移或位移矢量的不同序列的数量)。对于导致房室参数kj，1，...，kj，m的估计最佳质量的特定位移序列，相对于R局部配准时间序列。
质量测量Q的可能选择为：
-k估计的统计质量，例如统计方差，
-给出对于病变和解剖成像的k值的可能集合的库，在特征空间与k值的最近匹配集的距离，或者
-从时间上向前配准图像序列和向后配准图像序列获得的k估计的一致性。
这个方法可以应用于二维或三维核医学图像数据集的任何时间序列，只要对使用的示踪剂和成像的解剖区域药物动力学模型可用。获得对示踪剂摄取准确且可再现的测量对于确定可疑病变的恶性、治疗的反应以及复发癌症的早期检测是至关重要的。随着分子成像领域的快速进步和具体示踪剂的增加，这项技术的应用领域将快速地增长。
有利地，本发明在保持感兴趣病变的形状和大小的同时，允许通过核图像的时间序列进行感兴趣区域的跟踪。此外，为了获得对于表征示踪剂摄取的参数的可能最佳估计，也允许进行病人或器官运动的补偿。因此，可以成功地配准具有很少或者没有解剖对比度的图像(当经常遇到非常特殊的示踪剂时)。仅仅通过分析局部定义的感兴趣区域，该提出的方法可以提供增长的配准速度。
因此，本发明提供贯穿整个时间序列的房室参数估计的总体一致性并因此提供改进的图像配准，因为整套图像(时间序列)和描述随时间变化的示踪剂摄取的实体模型一起被用于配准(并且不仅仅是，例如两个图像和相应的灰度值结构)。
Claims (10)
1、一种配准时间序列的图像的方法，该时间序列至少包括第一图像和第二图像，该方法包括步骤：
在第一图像中选择感兴趣的第一区域；
在第二图像中选择感兴趣的第二区域；
在药物动力学模型的基础上确定从感兴趣的第一区域到感兴趣的第二区域的第一位移；
在该第一位移的基础上配准第一图像和第二图象；其中感兴趣的第一区域对应于感兴趣的第二区域。
2、根据权利要求1的方法，其中确定第一位移包括步骤：
在从感兴趣的第一区域到在第二图像中选择的感兴趣的第三区域的第二位移的基础上和在药物动力学模型的基础上，确定第一药物动力学参数；
在从感兴趣的第一区域到在第二图像中选择的感兴趣的第四区域的第三位移的基础上和在药物动力学模型的基础上，确定第二药物动力学参数，其中第三位移是第二位移的变异并且其中感兴趣的第三和第四区域对应于感兴趣的第一区域；
执行第一房室参数和第二房室参数的质量确定，得出第一质量值和第二质量值；
确定第一和第二质量值中哪一个是更好的质量值；
从第二位移和第三位移中选择一个位移，其中被选择的位移是对应于较好质量值的位移；并且其中被选择的位移是第一位移。
3、根据权利要求2的方法，其中在至少下述之一的基础上执行质量确定：
在第一药物动力学参数估计和第二药物动力学参数估计至少之一的基础上确定统计参数；
药物动力学参数库；和
第一药物动力学参数估计和第二药物动力学参数估计的一致性。
4、根据权利要求1的方法，其中从预定义的选项组中交互式地选择感兴趣的第一和第二区域至少之一和药物动力学模型。
5、根据权利要求2的方法，其中该方法被反复地重复直到第一质量值和第二质量值至少之一超过预置阈值。
6、根据权利要求1的方法，其中该方法应用于关于CT数据集，MRI数据集，PET数据集，SPECT数据集和超声成像数据集之一的医学成像中。
7、一种用于配准第一图像和第二图像的图像处理装置，该图像处理装置包括：存储器，用于存储包含第一图像和第二图像的多维数据集；图像处理器，适于执行下列操作：
载入多维数据集；
在第一图像中选择感兴趣的第一区域；
在第二图像中选择感兴趣的第二区域；
在药物动力学模型的基础上确定从感兴趣的第一区域到感兴趣的第二区域的第一位移；
在该第一位移的基础上配准第一图像和第二图象；其中感兴趣的第一区域对应于感兴趣的第二区域。
8、一种用于配准第一图像和第二图像的扫描器系统，该扫描器系统包括：
存储器，用于存储包含第一图像和第二图像的多维数据集；
图像处理器，适于执行第一图像和第二图像的配准，其中该图像处理器适于执行下列操作：
载入多维数据集；
在第一图像中选择感兴趣的第一区域；
在第二图像中选择感兴趣的第二区域；
在药物动力学模型的基础上确定从感兴趣的第一区域到感兴趣的第二区域的第一位移；
在该第一位移的基础上配准第一图像和第二图象；其中感兴趣的第一区域对应于感兴趣的第二区域。
9、根据权利要求8的扫描器系统，其中该扫描器系统是CT扫描器系统，MRI扫描器系统，PET扫描器系统，SPECT扫描器系统，和超声成像系统之一。
10、用于配准第一图像和第二图像的计算机程序，其中当计算机程序在图像处理器上执行时，该计算机程序使图像处理器执行下列操作：
载入包含第一图像和第二图像的多维数据集；
在第一图像中选择感兴趣的第一区域；
在第二图像中选择感兴趣的第二区域；
在药物动力学模型的基础上确定从感兴趣的第一区域到感兴趣的第二区域的第一位移；
在该第一位移的基础上配准第一图像和第二图象；其中感兴趣的第一区域对应于感兴趣的第二区域。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP04101958.9 | 2004-05-06 | ||
| EP04101958 | 2004-05-06 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN1950849A true CN1950849A (zh) | 2007-04-18 |
Family
ID=34965464
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNA2005800144859A Pending CN1950849A (zh) | 2004-05-06 | 2005-04-26 | 药物动力学图像配准 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20080013814A1 (zh) |
| EP (1) | EP1745437A1 (zh) |
| JP (1) | JP2007536054A (zh) |
| CN (1) | CN1950849A (zh) |
| WO (1) | WO2005109342A1 (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101226636B (zh) * | 2008-02-02 | 2010-06-02 | 中国科学院遥感应用研究所 | 一种刚体变换关系的图像的匹配方法 |
| CN102395999A (zh) * | 2009-04-15 | 2012-03-28 | 皇家飞利浦电子股份有限公司 | 医学图像数据的量化 |
| CN103607972A (zh) * | 2011-06-22 | 2014-02-26 | 新特斯有限责任公司 | 用于定位的超声ct配准 |
| CN116612471A (zh) * | 2023-05-22 | 2023-08-18 | 杭州市肿瘤医院 | 一种用于类器官活力分析的明场成像检测分析方法和系统 |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2004060A1 (en) * | 2006-04-03 | 2008-12-24 | Koninklijke Philips Electronics N.V. | Determining tissue surrounding an object being inserted into a patient |
| EP2399238B1 (en) * | 2009-02-17 | 2015-06-17 | Koninklijke Philips N.V. | Functional imaging |
| EP2713855B1 (en) * | 2011-06-03 | 2016-07-27 | Bayer Medical Care Inc. | System for rapid quantitative dynamic molecular imaging scans |
| KR102114417B1 (ko) * | 2013-06-11 | 2020-05-22 | 삼성메디슨 주식회사 | 영상 정합 방법 및 장치 |
| EP3050027A4 (en) * | 2013-09-27 | 2017-05-31 | Commonwealth Scientific and Industrial Research Organisation | Manifold diffusion of solutions for kinetic analysis of pharmacokinetic data |
| JP6578519B2 (ja) * | 2015-03-19 | 2019-09-25 | パナソニックＩｐマネジメント株式会社 | 画像表示装置、画像表示システム、画像表示方法、およびプログラム |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6751290B2 (en) * | 1998-09-08 | 2004-06-15 | Veritas Pharmaceuticals, Inc. | Radiographic assessment of tissue after exposure to a compound |
| US7187810B2 (en) * | 1999-12-15 | 2007-03-06 | Medispectra, Inc. | Methods and systems for correcting image misalignment |
| US7260248B2 (en) * | 1999-12-15 | 2007-08-21 | Medispectra, Inc. | Image processing using measures of similarity |
| US6496560B1 (en) * | 2001-11-21 | 2002-12-17 | Koninklijke Philips Electronics, N.V. | Motion correction for perfusion measurements |
| US7282723B2 (en) * | 2002-07-09 | 2007-10-16 | Medispectra, Inc. | Methods and apparatus for processing spectral data for use in tissue characterization |
| GB0300921D0 (en) * | 2003-01-15 | 2003-02-12 | Mirada Solutions Ltd | Improvements in or relating to dynamic medical imaging |
-
2005
- 2005-04-26 US US11/568,548 patent/US20080013814A1/en not_active Abandoned
- 2005-04-26 JP JP2007512610A patent/JP2007536054A/ja active Pending
- 2005-04-26 CN CNA2005800144859A patent/CN1950849A/zh active Pending
- 2005-04-26 EP EP05732767A patent/EP1745437A1/en not_active Withdrawn
- 2005-04-26 WO PCT/IB2005/051349 patent/WO2005109342A1/en not_active Application Discontinuation
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101226636B (zh) * | 2008-02-02 | 2010-06-02 | 中国科学院遥感应用研究所 | 一种刚体变换关系的图像的匹配方法 |
| CN102395999A (zh) * | 2009-04-15 | 2012-03-28 | 皇家飞利浦电子股份有限公司 | 医学图像数据的量化 |
| CN103607972A (zh) * | 2011-06-22 | 2014-02-26 | 新特斯有限责任公司 | 用于定位的超声ct配准 |
| US9173715B2 (en) | 2011-06-22 | 2015-11-03 | DePuy Synthes Products, Inc. | Ultrasound CT registration for positioning |
| CN103607972B (zh) * | 2011-06-22 | 2016-08-17 | 新特斯有限责任公司 | 用于定位的超声ct配准 |
| US9833291B2 (en) | 2011-06-22 | 2017-12-05 | DePuy Synthes Products, Inc. | Ultrasound CT registration for positioning |
| CN116612471A (zh) * | 2023-05-22 | 2023-08-18 | 杭州市肿瘤医院 | 一种用于类器官活力分析的明场成像检测分析方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2005109342A1 (en) | 2005-11-17 |
| EP1745437A1 (en) | 2007-01-24 |
| JP2007536054A (ja) | 2007-12-13 |
| US20080013814A1 (en) | 2008-01-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN1950849A (zh) | 药物动力学图像配准 | |
| JP4917733B2 (ja) | 尤度最大化を利用した画像位置合わせシステム及び方法 | |
| US9561016B2 (en) | Systems and methods to identify interventional instruments | |
| CN102781331B (zh) | 使用飞行时间信息来探测和校正成像扫描中的运动的方法和设备 | |
| US20180289336A1 (en) | Medical image display device, method, and program | |
| CN101336844B (zh) | 医用图像处理装置以及医用图像诊断装置 | |
| CN102300503B (zh) | 用于提供肺通气信息的系统 | |
| JP6807820B2 (ja) | 画像検索装置、方法およびプログラム | |
| US8150121B2 (en) | Information collection for segmentation of an anatomical object of interest | |
| CN101080202A (zh) | 超声波诊断装置 | |
| JP2012075702A (ja) | 管状構造物内画像再構成装置、管状構造物内画像再構成方法および管状構造物内画像再構成プログラム | |
| KR20120086084A (ko) | 3차원 의료 영상으로부터 최적의 2차원 의료 영상을 자동으로 생성하는 방법 및 장치 | |
| CN101036165A (zh) | 用于树模型显像以检测肺栓塞的系统和方法 | |
| CN1818972A (zh) | 剪接医学图像数据集的系统和方法 | |
| WO2012064986A2 (en) | System and method of ultrasound image processing | |
| CN101044993A (zh) | 用于改进肿瘤摘除的系统和方法 | |
| CN101040779A (zh) | 在三维立体数据组中虚拟定位断层的方法及医学成像系统 | |
| WO2009109905A2 (en) | Method of selectively and interactively processing data sets | |
| US11756292B2 (en) | Similarity determination apparatus, similarity determination method, and similarity determination program | |
| JP2010162340A (ja) | 画像処理装置および方法並びにプログラム | |
| CN1805711A (zh) | 超声成像的基准图像显示方法和超声诊断设备 | |
| CN110782489A (zh) | 影像数据的匹配方法、装置、设备及计算机可读存储介质 | |
| CN111429457B (zh) | 图像局部区域亮度智能评价方法、装置、设备及介质 | |
| CN103381095A (zh) | 用于产生正电子发射断层扫描图像的设备和方法 | |
| CN1895185A (zh) | 显示检查对象的检查区域和药剂在体内影响的信息的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |